現在這個時間再入坑計算機視覺，想請問計算機視覺的核心競爭力是什麼？相關工作的不可替代性在哪裡？

我在學習的過程中應該更加註重那一方面的學習，才能以後更好地進入工業界？應該好好打深度學習的基礎嗎？機器學習的基礎？

學會掉包即可，自己寫的包還沒別人寫得好（笑

計算機視覺研究方向很多。

缺陷檢測。這塊工業界很火熱，技術難度很高，問題很多，比如:晶元缺陷檢測，3C電子缺陷檢測等等。從傳統圖像演算法到深度學習，都在往缺陷檢測方向奮進。

Slam。自動駕駛是未來，這個是世界人民的共識，進一步變形金剛是否會出現?Slam是很數學的技術，能夠很好的區分於軟體工程師，我在學這塊的知識。《視覺Slam十四講》第二版裡面把視覺和Slam結合得很完美，代碼詳實高效，入門第一書。Slam和深度學習的結合點，可以考慮，通過Slam自動生成帶高質量標註的樣本數據。

當然還有各種方向。我比較熟悉這兩種。

那麼核心競爭力就包括:

1 學歷。文憑是個人奮鬥的證明，而工作經驗是公司給的。

2 溝通能力。不會甩鍋的程序員是會被辭退的程序員。

3 熬夜調代碼。代碼雖好，可是要陪著睡哦。

4 看好書，好看書，多看書。

好了，說了這麼多，不安排一下不到位。安排。

題主注意到不可替代性，說明題主還是很有遠見和想法的，個人覺得不可替代性是能對演算法在具體業務場景下做出調整修改，而不是直接 clone完後直接運行發現效果不好就棄坑了。遇到問題解決問題。

現在業界內對於演算法工程師的認知是，一首先得懂演算法，基本演算法基礎牢固，二能第一時間用演算法知識結合工程能力解決業務問題；假設你在具備第一點的情況下，第二點將是你個人的積累和核心競爭力，因為實戰所獲得的經驗，任何一本書都無法涵蓋全，而且帶著這些業務實戰經驗到下一家的時候也能夠很快變現。

因此，個人建議，在學校多做項目，多參加工業界舉辦的比賽，將會對於之後就業有很大幫助。

Good Luck!

基本模塊，方法和框架要熟悉吧，這些是你舉一反三的基礎，另外線代不能太差。

在人工搭網路已經到達瓶頸了，感覺未來人類只需要去發掘新的有效基本模塊，至於搭網路什麼的，可以交給nas演算法去做了。

未來是屬於自動神經架構搜索的！（霧

核心競爭力是能復現別人論文，並在此基礎上提出自己的想法。

這個時候要看你的重點是什麼，如果你是想做計算機視覺方面的開發，你的重點就是學習怎麼使用openCV之類的庫，還有就是怎麼架設深度學習所需的伺服器。

如果你的重心是想放在研發上面，這裡的東西就多了，統計，線性代數，微積分，立體幾何，信號學這些都是基礎。基礎學完了後就要開始一系列計算機視覺的演算法，從傳統的ransac, 各種regression, GMM, kmeans, PCA 到CNN, transformer, RNN, LSTM, GAN. AutoEncoder不說全部精通，裡面大概的原理你要弄懂。比如每種activation function 有什麼特點， pooling 有什麼作用， 什麼是batch normalization 和 dropout. 學了這些之後你就剛剛打好了基礎,可以進行下一階段的學習了，

把基礎編程和演算法搞好，其他的都好說。